1回答
我在文件夹中有一些文件，我可以使用dir()列出它们。 epochs <- dir(path = paste0(getwd(), "/", "model"))
epochs
[1] "epoch 0" "epoch 1" "epoch 10" "epoch 11" "epoch 12" "epoch 13" "epoch 14" "epoch 15" "epoch 16" "epoch 17
浏览 6提问于2020-12-04得票数 2
回答已采纳
我用二进制文件中的下列数据(标签、文件名、数据(像素))训练了一个卷积神经网络(CNN)：
[array([2, 1, 0, 2, 1, 0, 2, 1, 0, 2, 1, 0, 2, 1, 0, 2, 1, 0, 2, 1, 0, 2, 1,
0, 2, 1, 0, 2, 1, 0]), array(['10_c.jpg', '10_m.jpg', '10_n.jpg', '1_c.jpg',
'1_m.jpg', '1_n.jpg', '2_c
浏览 3提问于2017-03-26得票数 3
回答已采纳
我在文件夹中有一些文件，我可以使用dir()列出它们。 epochs <- dir(path = paste0(getwd(), "/", "model"))
# sort epochs in increasing order
epochs <- mixedsort(epochs)
epochs
[1] "epoch 0" "epoch 1" "epoch 2" "epoch 3" "epoch 4" "epoch 5" &
浏览 20提问于2020-12-05得票数 0
回答已采纳
我正在使用Python3中的Tensorflow训练一个模型，并且已经设置了自己的单独的提前停止函数。我的模型在大部分训练过程中保持相当低的成本值，但像正常情况一样，它达到了某个点，不仅不再改进/最小化成本函数，而且变得指数级地恶化并加速。我在下面附上了我的费用的价值。 我想知道是否有人有一个想法(伪代码，头脑风暴，或我还没有找到的链接)来改进我的提前停止函数，以便在加速发生时捕捉到，并强制提前停止。我不一定希望只有一个静态数字(如> 1.000)，以防它达到该数字，但没有完成下面的搜索。也许会有某种加速监控？移动平均线？正如您将从值和图像中看到的那样，加速通常在结束时相当极端，并且在
浏览 14提问于2019-10-02得票数 0
回答已采纳
2回答
神经网络似乎没有学习到
、、、、
我正在尝试为kaggle的心脏数据集实现一个神经网络。 https://www.kaggle.com/ronitf/heart-disease-uci 即使我在整个数据集上训练网络，它似乎根本没有学习，准确率保持在50%左右，即使它过度拟合，神经网络也应该能够获得更高的样本精度。有没有人能看到这段代码有什么问题(我尝试了很多学习率、批次和时期，但似乎什么都不起作用。 #need to switch from the binary output to the singular value output
import pandas
import numpy as np
import tenso
浏览 29提问于2019-09-14得票数 0
1回答
我试图从零开始在python中实现Logistic回归，以便更好地了解它是如何在幕后工作的。特别是，我正在跟踪这是吴家富的视频教程。。
这是我用来测试算法的数据集：marks.txt
我发现，如果不对数据进行规范化，算法就不会收敛，损失也不会减少(有时是一个NaN)。
这就是执行情况：
import numpy as np
import pandas as pd
def normalize(X, axis=0):
return (X - np.mean(X, axis=axis)) / np.std(X, axis=axis)
class LogisticRegression(
浏览 0提问于2020-08-12得票数 1
1回答
我是tensorflow和机器学习的初学者。我想尝试一个简单的线性回归例子，由tensorflow。
但在3700年代以后，损失不能减少。我不知道怎么了？
显然，我们得到了W = 3.52, b = 2.8865。所以y = 3.52*x + 2.8865。当测试数据x = 11, y = 41.6065时。但这是错误。因为训练数据x = 10, y = 48.712。
代码和丢失张贴在下面。
#Goal: predict the house price in 2017 by linear regression method
#Step: 1. load the original data
浏览 1提问于2017-10-07得票数 2
回答已采纳
10回答
我正在研究一个神经网络问题，将数据分类为1或0。我用二元交叉熵损失来做这件事。损失是很好的，然而，准确性很低，没有提高。我想我在精确计算方面做错了。在每个时代之后，我将在阈值化输出后计算正确的预测，并将该数字除以数据集的总数。我在精确计算中做错了什么吗？为什么它没有改善，但变得更糟？这是我的密码：
net = Model()
criterion = torch.nn.BCELoss(size_average=True)
optimizer = torch.optim.SGD(net.parameters(), lr=0.1)
num_epochs = 100
for epoch in
浏览 0提问于2018-07-24得票数 24
回答已采纳
1回答
下面是XOR的一个简单的Tensorflow实现。 你知道为什么当TF随机种子为0时，它不收敛，而当它不收敛时，它就收敛吗？我如何才能在不改变网络架构(即，保持隐藏层为密集(2))并保持随机种子= 0的情况下使其收敛？蒂娅！ import tensorflow as tf
import numpy as np
from tensorflow.keras import Model
from tensorflow.keras.layers import (
Dense,
Input,
)
tf.random.set_seed(0) # to reproduce non-conv
浏览 14提问于2021-02-09得票数 1
回答已采纳
1回答
我正试图用PyTorch为我的神经网络找到合适的学习速度。我已经实现了torch.optim.lr_scheduler.CyclicLR以获得学习速度。但我不知道应该选择的实际学习率是多少。数据集为MNIST_TINY。
代码：
optimizer = torch.optim.SGD(model.parameters(), lr=0.1)
scheduler = torch.optim.lr_scheduler.CyclicLR(optimizer, base_lr=1e-7, max_lr=0.1, step_size_up=5., mode='triangular')
l
浏览 17提问于2022-05-06得票数 0
在张量流1.4中，tf.data.Dataset类提供了一个repeat()函数来创建纪元，但是它的性能随着纪元的增加而变得越来越慢！
代码如下：
num_data = 1000
num_epoch = 50
batch_size = 32
dataset = tf.data.Dataset.range(num_data)
dataset = dataset.repeat(num_epoch).batch(batch_size)
iterator = dataset.make_one_shot_iterator()
with tf.Session() as sess:
for epo
浏览 0提问于2017-11-25得票数 0
1回答
您好，我有以下XML代码： <?xml version="1.0" encoding="utf-8"?>
<UserStaging>
<NeuroRKStaging>
<Stage Type="REM" Start="0" />
<Stage Type="Stage3" Start="150" />
<Stage Typ
浏览 10提问于2019-02-24得票数 1
回答已采纳
1回答
我试着训练我的模型，我的成本产出每一个时代都在减少，直到它达到接近于零的值，然后转到负值，我想知道是什么意思，负成本产出是什么意思？
Cost after epoch 0: 3499.608553
Cost after epoch 1: 2859.823284
Cost after epoch 2: 1912.205967
Cost after epoch 3: 1041.337282
Cost after epoch 4: 385.100483
Cost after epoch 5: 19.694999
Cost after epoch 6: 0.293331
Cost after epoc
浏览 0提问于2018-01-27得票数 1
回答已采纳
val flowable01 = Flowable.fromArray(listOf(
Value(epoch = 1,string ="apple"),
Value(epoch = 2,string ="apple"),
Value(epoch = 3,string ="apple"),
Value(epoch = 4,string ="apple"),
Value(epoch = 5,s
浏览 20提问于2021-05-08得票数 0
1回答
我想计算三角形列表中的每个单独的重心(质心)。到目前为止，我已经写了这么多：
function Triangle_Source_Centroid(V_Epoch0, F_Epoch0)
for i = 1:length(F_Epoch0)
Centroid_X = F_Epoch0(V_Epoch0(:,1),1) + F_Epoch0(V_Epoch0(:,1),2) + F_Epoch0(V_Epoch0(:,1),3);
Centroid_Y = F_Epoch0(V_Epoch0(:,2),1) + F_Epoch0(V_
浏览 0提问于2017-09-13得票数 0
我正在学习神经网络，我发现下面的代码在虹膜数据集上工作得很好，准确率达到了99%左右。
但是，当我尝试在使用get_modulus_data()随机生成的虚拟数据集上运行相同的网络时，输入和输出之间存在相关性，如下所示，它不能很好地工作。有人能解释为什么神经网络在这种类型的训练输入中举步维艰吗？
# Implementation of a simple MLP network with one hidden layer. Tested on the iris data set.
# Requires: numpy, sklearn, tensorflow
# NOTE: In order t
浏览 0提问于2017-02-09得票数 0
我正在尝试使用SyncReplicasOptimizer通过同步的SGD来训练模型。我遵循了mnist_replicas.py中的示例。我正在使用1个ps和2个工人。
我添加了一个变量epoch和一个将其加1的操作(这只是为了理解发生了什么)：
epoch = tf.Variable(0, name="epoch", trainable=False)
inc_epoch_op = tf.assign_add(epoch, 1)
然后，在首席创建会话之后，我在我的训练循环中执行以下操作：
while True:
train_feed = # my train fee
浏览 0提问于2017-02-27得票数 0
1回答
我正在训练一个10K灰度图像的CNN。该网络有6个控制层、1个全连接层和1个输出层。
当我开始训练时，我的损失非常高，但却在稳步下降，但我的准确度从1.0开始就下降了。从72%下降到30%，然后再次回升。另外，当我运行acc.eval({x: test_images, y: test_lables})时，在看不见的图像上，准确率约为16%。
此外，我有6个类，所有这些都是一个热编码。
我想我可能是在不正确地比较预测的输出，但在我的代码中看不到错误。
这是我的密码
pred = convolutional_network(x)
loss = tf.reduce_mean(tf.nn.softma
浏览 1提问于2018-04-21得票数 0
回答已采纳
我正在用CNN训练一个大的数据集。训练数据集有46182个样本和1414个不同的类，而验证数据集有14053个样本和790个不同的类。第一个问题是关于数据集之间类数的差异(培训和验证)。这个程序没有错误，但是我想问他们是否可以有不同数量的类。第二个问题是验证的准确性。几乎为零。为什么？我的数据集有什么问题？为了回答这个问题，我会补充你需要的更多细节。谢谢大家
Using device: cuda
ConvNet(
(features): Sequential(
(0): Conv2d(3, 64, kernel_size=(11, 11), stride=(2, 2), pad
浏览 0提问于2023-02-06得票数 1
1回答
我正在训练一个通用的基于LSTM的自动编码器来获取句子嵌入，bleu的分数是精确的度量。将该模型编码为输出与标签长度相同的标记数，从而利用标记输出与相应标记令牌之间的交叉熵损失计算损失，并将其加到要反向传播的总损失中，嵌入大小为1000整条。
这是原木：-
Training Epoch: 1/20, Training Loss: 78.32446559076034, Training Accuracy: 0.23442341868755373
Validation Epoch: 1/20, Validation Loss: 75.11487170562003, Validation Accur
浏览 0提问于2020-01-28得票数 0
回答已采纳
1回答
我有一种情况需要执行查询，其中有一个动态键生成来在数组中添加数据，类似于
var tp = 'unique_key';
db.sr_caller_info.update({caller:9967771131, month:201501},{$push :{ data:{tp:{
"abc" : 12,
"xyz" : 30,
"start_epoch" : "",
"answer_epoch" : "",
"end_epoch"
浏览 4提问于2015-02-02得票数 2
回答已采纳
当我使用tensorflow时，损失突然变成了nan，就像这样：
Epoch: 00001 || cost= 0.675003929
Epoch: 00002 || cost= 0.237375346
Epoch: 00003 || cost= 0.204962473
Epoch: 00004 || cost= 0.191322120
Epoch: 00005 || cost= 0.181427178
Epoch: 00006 || cost= 0.172107664
Epoch: 00007 || cost= 0.171604740
Epoch: 00008 || cost=
浏览 2提问于2017-06-12得票数 3
回答已采纳
2回答
我有以下xml格式的数据。 <UserStaging>
<Staging>
<Stage Type="Stage1" Start="0" />
<Stage Type="Stage2" Start="50"/>
<Stage Type="Stage3" Start="100" />
</Staging>
</UserStaging> 我必须以这样的格式得到它：
浏览 18提问于2019-02-24得票数 0
回答已采纳
1回答
我正在编写一个自定义训练循环来训练我的模型，使用Adam优化器和自定义编写的二进制交叉熵损失函数，而不是使用内置的二进制交叉熵损失函数。当我使用自定义的损失函数时，模型的损失似乎不会像我使用内置的二进制交叉熵时那样急剧减少。
下面的笔记本显示了我的代码和输出。
model = tf.keras.Sequential([
tf.keras.layers.Rescaling(1./255),
tf.keras.layers.Conv2D(16, (3, 3), activation='relu'),
tf.keras.layers.BatchNormaliz
浏览 6提问于2022-01-28得票数 0
试图建立gensim word2vec模型。语料库包含1M个句子。我正在使用回调打印损失后，每一个时代。过了几个年代，损失就变成零了。知道为什么损失会变成0吗？
Loss after epoch 0: 17300302.0
Loss after epoch 1: 11381698.0
Loss after epoch 2: 8893964.0
Loss after epoch 3: 7105532.0
...
...
...
Loss after epoch 54: 1283432.0
Loss after epoch 55:
浏览 2提问于2020-01-20得票数 1
实际上这是的续集
我正在使用gensim训练一个Word2Vec模型，参数为hs=1、sg=0和negative=0。代码修改后需要的培训时间较少，但损失似乎出了问题，一开始会增加，然后减少，我不知道发生了什么。
守则如下：
from gensim.models.keyedvectors import KeyedVectors
from gensim.models import word2vec
import logging
logging.basicConfig(format='%(asctime)s : %(levelname)s : %(message)s',
lev
浏览 12提问于2022-09-29得票数 0
1回答
模型精度不变，保持为零
、、、
我已经建立了一个具有两个隐藏层的神经网络。对于前两个隐藏，我使用了ReLU激活，对于最后一层，我使用了sigmoid函数。当我启动模型时，损失函数减少(正确)，但精度保持为零。
Epoch: 9/150 Train Loss: 6.1869 Train Acc: 0.0005
Epoch: 9/150 Validation Loss: 6.4013 Validation Acc: 0.0000
Epoch: 17/150 Train Loss: 3.5452 Train Acc: 0.0005
Epoch: 17/150 Validation Loss: 3.7929 Validation A
浏览 3提问于2017-10-30得票数 1
3回答
如何找到最大的共同范围？
、、、
我有一个数百个元组的列表，如下所示：
list1 = [(epoch1, epoch2), (epoch3, epoch4), (epoch5, epoch6)]
每个元组都以一个时代的形式包含会话的开始和结束。
我想要找到的是同时发生的最大会话数。所以如果是epoch1 = 16:00, epoch2=16:30, epoch3=16:15, epoch4=16:45, epoch5=18:00, epoch6=19:00，答案将是2，因为在16:15 to 16:30中有两个会话是活动的(第一个会话和第二个会话)。
我认为这样做的一种方法是创建一个新的列表，其中包含如下所有日期：
list
浏览 0提问于2015-08-21得票数 0
回答已采纳
我有一个定期存储在H2数据库中的状态值-1或1，我需要统计在过去12个月中按月存储的-1和1的数量。下面的代码可以工作，但我将在多个地方使用它作为派生表，并想知道是否有更有效的方法。 SELECT STATUS_CODE AS STATUS,
COUNT(*) AS STATUS_COUNT,
CASE
WHEN EXTRACT(EPOCH FROM DATEADD(MONTH,-1,CURRENT_DATE)) < EXTRACT(EPOCH FROM LOG_ENTRY_TIME) THEN 'MONTH 1'
浏览 27提问于2019-12-27得票数 0
回答已采纳
1回答
有一个全局变量，我不想让任何人更改，但要更改一个ISR函数，该变量是g_epoch，请参见以下代码：
#include <stdint.h>
volatile const uint32_t g_epoch = 0;
void adc_ISR() {
static uint32_t epoch = 0;
++epoch;
*(const_cast<uint32_t*>(&g_epoch)) = epoch; // Expecting g_epoch to change
printf(
浏览 2提问于2015-05-28得票数 0
我是PyTorch的新手，目前正在编写一个迁移学习的简单代码。当我训练我的模型时，我在精度和损失的增加和减少之间得到了很大的差异。我对网络进行了50个时期的训练，结果如下：
Epoch [1/50], Loss: 0.5477, Train Accuracy: 63%
Epoch [2/50], Loss: 2.1935, Train Accuracy: 75%
Epoch [3/50], Loss: 1.8811, Train Accuracy: 79%
Epoch [4/50], Loss: 0.0671, Train Accuracy: 77%
Epoch [5/50], Loss: 0
浏览 0提问于2018-07-24得票数 1
我使用tf.data.TextLineDataset生成输入数据，并为数据集创建一个迭代器。
def dataInput(filenames,epoch_num,batch_size):
default_column_value = [[0] for i in range(2)]
default_column_value.extend([[0.0] for i in range(1500)])
default_column_value.extend([[0.0] for i in range(2100)])
default_column_value.extend
浏览 0提问于2019-01-17得票数 0
1回答
优化熊猫圈
、、
我有这个循环，以便在dataframe中计算相同日期时间的值。
for epoch in data_all['EPOCH'].unique():
data_epoch = data_all.query('EPOCH==@epoch')
data_epoch['SIGMA'] = pd.to_numeric(data_epoch['SIGMA'].values)
variance = np.mean(data_epoch['SIGMA'].values ** 2)
但这很慢。你能用一种更
浏览 1提问于2020-06-10得票数 1
回答已采纳
我一直在尝试用转移学习的方法来检测植物病害。我首先选择了ResNet50。我还做了一个基线模型，也就是CNN模型。在resnet50中，我使用了交叉熵损失，并对模型进行了30个历元的训练。我也做了批量正常化。初期1次损失为112.5250次，训练损失为87.512次。但是，在最后一个时期，验证损失为2.1660，验证损失为1.8905，验证精度为0.995。模型的总体精度为98.8%，模型似乎也不过分适合。
在训练模型之前，我进行了超参数优化，利用贝叶斯优化方法优化了学习速度和学习动量。我使用交叉验证优化了重量衰减。我进行了批量归一化。在此之前，我对模型进行了训练，没有任何优化。我只是假设学习
浏览 0提问于2021-05-22得票数 1
回答已采纳
我正在使用tf.data.TFRecordDataset从TFRecord文件中读取数据集。 我正在尝试找出每一步处理的是哪个时期。 我试过Epoch counter with TensorFlow Dataset API的答案，但似乎对我不起作用。 下面是详细信息:将100个样本保存在TFRecord文件中，将batch_size设置为50，将epoch_num设置为5。 下面是我的简化代码： def read_and_decode_TFRecordDataset(tfrecords_path, batch_size, epoch_num):
dataset = tf.data.T
浏览 15提问于2019-01-22得票数 0
我在一个目录中有以下文件：
使用os.listdir()，我正在读取所有文件，然后将它们保存在列表中。以下是代码：
y = []
files = os.listdir()
for file in files:
if "mb" in file:
file = file.split("-")
loss = file[5]
lossNum = loss.split('.pth')
y.append(round(float(lossNum[0]), 3))
print(y
浏览 15提问于2022-05-20得票数 0
回答已采纳
我准备用神经网络来进行笔迹识别，可以在这里找到：，如果权值和偏差被随机初始化，那么在几个年代之后，它就能识别超过80%的数字。如果在初始化后对所有权重和偏差添加0.27的小因子，学习速度会慢得多，但最终达到80%以上的准确率：
self.biases = [np.random.randn(y, 1)+0.27 for y in sizes[1:]]
self.weights = [np.random.randn(y, x)+0.27 for x, y in zip(sizes[:-1], sizes[1:])]
Epoch 0 : 205 / 2000
Epoch 1 : 205 / 200
浏览 1提问于2020-01-31得票数 0
回答已采纳
我使用Tensorflow为MNIST数据集实现了一个简单的模型。
以下是模型：
X = tf.placeholder(tf.float32, [None, 784])
Y_ = tf.placeholder(tf.float32, [None, 10])
W = tf.Variable(tf.random_normal(shape=[784, 10], stddev=0.01), name="Weigths")
b = tf.Variable(tf.zeros([1,10]), name="Bias")
Y = tf.nn.softmax(tf.add(t
浏览 2提问于2017-06-22得票数 0
回答已采纳
2回答
我在训练集中有大约170 K的图像，在验证集中有27k，为猫和狗平均分布。我用下面的代码来分类猫和狗。除了下面的架构师，我尝试了不同的时代/批次大小/层组合。
img_width,img_height =128,128
if K.image_data_format() == 'channels_first':
input_shape = (3, img_width, img_height)
else:
input_shape = (img_width, img_height, 3)
# Initialising the CNN
classifier = Sequ
浏览 0提问于2018-10-25得票数 0
有没有可能运行我的深度学习，在训练过程中的某个时候，我的验证损失会低于我的训练损失？我附上了训练过程的代码： def train_model(model, train_loader,val_loader,lr):
"Model training"
epochs=100
model.train()
train_losses = []
val_losses = []
criterion = nn.MSELoss()
optimizer = torch.optim.Adam(model.param
浏览 457提问于2021-11-21得票数 0
回答已采纳
with tf.Session() as sess:
sess.run(tf.initialize_all_variables())
for epoch in range(hm_epochs) :
epoch_loss = 0
for _ in range(int(mnist.train.num_examples/batch_size)):
epoch_x, epoch_y = mnist.train.next_batch(batch_size)
_, c = sess.run([optimiz
浏览 0提问于2020-05-07得票数 0
1回答
我正在为心脏病预测数据建立一个tensorflow模型。它有一个二进制结果(0，1)。虽然我被如此低的精确度所打动，但它不会随着时代的变化而改变。
model = keras.Sequential([
keras.layers.Flatten(input_shape=(13,)),
keras.layers.Dense(64, activation='relu'),
keras.layers.Dense(64, activation='relu'),
keras.layers.Dense(1, activation=tf.nn.s
浏览 0提问于2020-03-10得票数 0
我正在用keras训练一个模型，并试验我输入的数据量如何影响结果的准确性。不过我注意到了一些有趣的事情。 training samples: 5076
epoch 1: 142s
epoch 2: 60s
epoch 3: 61s
epoch 4: 60s
epoch 5: 61s
training samples: 10242
epoch 1: 277s
epoch 2: 131s
epoch 3: 131s
epoch 4: 132s
epoch 5: 131s
training samples: 15678
epoch 1: 385s
epoch 2: 323s
epoch 3:
浏览 22提问于2019-04-17得票数 1
2回答
我使用python库在keras中拟合一个递归神经网络。通过在epoch函数中改变参数nb_epoch来拟合不同nb_epoch数的模型。目前，我使用的是for循环，每次更改nb_epoch时都会重新拟合，这是很多重复的工作。下面是我的代码(循环在代码的底部，如果您想跳过代码详细信息的其他部分)：
from __future__ import division
import numpy as np
import pandas
from keras.models import Sequential
from keras.layers.core import Dense, Activation,
浏览 0提问于2016-09-07得票数 3
回答已采纳
3回答
我有一个$scope变量epochs，它循环遍历包含三个项的数组-
<div class="epoch" ng-repeat="epoch in epochs" ng-init="epochIndex = $index">
<div class="epoch-time">
<span class="epoch-header">{{epoch[epochIndex].epoch}} {{ epochIndex }}</span>
<
浏览 2提问于2018-01-11得票数 1
回答已采纳
我使用以下功能：
# The epoch used in the datetime API.
EPOCH = datetime.datetime.fromtimestamp(0)
def timedelta_to_seconds(delta):
seconds = (delta.microseconds * 1e6) + delta.seconds + (delta.days * 86400)
seconds = abs(seconds)
return seconds
def datetime_to_timestamp(date, epoch=EPOCH):
浏览 8提问于2010-04-05得票数 7
回答已采纳
我是machine learning和tensorflow的新手。我正在尝试在张量流中实现异或门，我已经提出了这个代码。
import numpy as np
import tensorflow as tf
tf.reset_default_graph()
learning_rate = 0.01
n_epochs = 1000
n_inputs = 2
n_hidden1 = 2
n_outputs = 2
arr1, target = [[0, 0], [0, 1], [1, 0], [1,1]], [0, 1, 1, 0]
X_data = np.array(arr1).asty
浏览 0提问于2018-06-11得票数 0
回答已采纳
1回答
为什么我的递归神经网络损失为零？
、、、、
我有这个LSTM，我想输入一些金融数据，并得到一系列的输出。将有三个类，一个正的返回将产生1，00，0，0的输出，0,1,0，负的返回将是0,0,1。它运行，但是我打印出来的损失都是零，而且精度很差。请您看一下我的代码，它只有80行。干杯。
import tensorflow as tf
import numpy as np
from tensorflow.python.ops import rnn,rnn_cell
import pandas as pd
df=pd.read_csv('SP500.csv')
df = df[['Adj. Open', &#
浏览 0提问于2018-01-28得票数 1
回答已采纳
3回答
我有一些困难，试图建立一个多层感知器的二进制分类使用tensorflow。
我有一个非常大的数据集(大约1,5*10^6示例)，每个数据集都有一个二进制(0/1)标签和100个特性。我需要做的是建立一个简单的MLP，然后尝试改变学习速度和初始化模式来记录结果(这是一项任务)。我得到了奇怪的结果，虽然，我的MLP似乎被困在一个低，但不是很大的成本早期和永远摆脱它。由于学习率的价值相当低，成本几乎马上就会下降。我不知道问题在于我是如何构造MLP的(我做了几次尝试，准备发布最后一个的代码)，或者我的tensorflow实现遗漏了什么。
代码
import tensorflow as tf
impor
浏览 3提问于2016-10-02得票数 4
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
即时通信 IM
对象存储活动推荐
腾讯云开发者
